前两天受「新湘会」邀请,我做了一场关于企业 AI 项目编程经验的分享。下面这篇文章是根据分享内容整理的,方便阅读。
想表达的核心观点是:软件开发规范在 AI 编程时代不是变轻了,而是越来越重要。 后文会先从编程比赛和工具聊起,再落到文档、架构、测试、CI/CD 和协作。
1 自我介绍
首先,我做一下自我介绍。
我是方圆,学的计算机专业。在美团做过测试开发、前端开发,后来在星环科技做工作流、智能体平台开发。
业余也在 GitHub 做一些 AI 开源项目,比较受欢迎,上万次下载,几千人加我好友。另外也在网上分享 AI 文章,我的微信公众号是「方圆AI分享」。
2 从编程比赛到工具:AI 在变强,工具与方式也在变
编程比赛里感受到的变化
我想先讲一下我参加编程比赛的经历,让大家感受一下 AI 在编程方面的变化。
我之前在星环公司工作,公司会每半年举办一次编程比赛。现场应该有不少技术人员,相信大家了解过或者参加过编程比赛,和工作面试时的算法题差不多。
比赛一共需要答 5 个题目,限时 3 小时,可以联网查资料,但是不允许和别人讨论。题目难度还是比较大的,每届差不多有 500 人参加。基本上你能答对一道题,就能进入前 100 名,获得三等奖 500 元。
编程题和数学题差不多,需要平时一直刷题保持手感,很枯燥无聊。我不想刷题,打算试试借助 AI 回答问题。
第一次 是 2023 年,最先进的模型是 GPT-4。模型编程能力还不够好,输出的代码有很多错误,一道题也没有答出来。
第二次 参加是 2024 年初,GPT-4 升级成了 GPT-4 Turbo,明显感觉到编程能力在提升。只花了 10 分钟就答对了一道题,还剩 4 道题没有回答正确,但是能感觉到在对的方向了。最后,模型 API 成本 10 块钱,获得奖金 500 元,大家可以先对比一下这个数字。
第三次,2024 年末。最顶级的模型是 o1-preview,推理模型,还有 Sonnet 3.5,编程模型。
我用这两个模型,只花了 2 个小时,答对了 4 道题。我可以负责任地说,没有一行代码是我写的,完全是复制粘贴。模型成本 100 元,获得奖金 12000。
大家可以再看看这两个数字,100 和 12000。我们可以说使用 AI 的 ROI 很高,很少的投入能创造很高的价值;是不是也可以说 智力正在变得非常廉价,以前价值 12000 的智力,现在只值 100 块钱。
模型之上:工具与编程方式
刚刚是让大家感受一下,模型编程能力的进步趋势。在模型之上,还有 AI 编程工具和使用 AI 编程的方式。
最初的工具只能做代码补全,就是你按一下 Tab 键,AI 自动帮你写后面几行代码。代表软件有 Cursor 和 GitHub Copilot。
后面,模型编程能力进步,特别是 Sonnet 3.5 模型,是转折点。编程工具重大升级,出现了 Windsurf、Cursor Chat Composer 这类产品。这时候流行了一种叫 Vibe Coding 的编程方式,就是你不要手写一行代码,只给 AI 说要求,代码全部由 AI 生成。
但是这种方式呢,不太可靠,常用于原型项目或者简单项目这种对错误容忍度较高的场景。于是出现了一个叫 Kiro 的编程工具,它要求先生成需求文档、设计文档、任务文档,最后再写代码。与之对应的是 Spec 编程方式,就是先写文档,给 AI 描述清楚需求,再开始写代码。这是目前主流的 AI 编程方式,很多公司都在用。
最近一段时间,出现了比较火的驾驭工程(也有人讨论 Harness Engineering 等类似概念),追求自动收集反馈、自动改进,借助 AI 可靠、高效、长时间自动编程,目前还在早期探索阶段,各家都分享了实践方法,但是有些区别。对应的工具有 Cursor、Claude Code 和 Codex。
3 AI 很强,为什么没有明显提效?规范为什么反而更要紧
模型编程能力这么强,AI 编程工具这么多,该怎么把 AI 引入到软件开发流程中呢?还有就是为什么引入之后没有看到明显提效呢?
我认为,其中一个关键是大家忽略了软件工程规范。
软件工程里,哪些实践经验仍然重要
软件工程中提到了很多软件开发过程中的实践经验。
比如有敏捷开发,通过站会即时快速沟通,小步快跑、频繁迭代。
有 DevOps,不要只看到写代码阶段,软件开发是有很多阶段的,包括计划、编程、构建、测试、部署、上线、运维、监控,根据产品反馈开始新一轮的开发,循环起来。
还有代码规范,注意代码的架构设计,注意分模块组织代码,确保代码易读性、可扩展,这样才能方便后续修 bug、快速增加功能,保证代码长期可维护,而不是很快腐烂,变成屎山。
那么为什么要重视这些软件工程的规范呢?其实这些规范一直很重要,特别是在有了 AI 编程之后,它变得更重要了。
之前不按照这些规范来,短时间内是没有影响的。
人工写代码是缓慢的,之前没有 AI 的时候,一天能产出 100 行核心代码都算是高效的。
如果开发排期比较紧,程序员只能专注于功能实现,聚焦眼前的利益,赶紧写完紧急的功能和代码,跳过文档、测试等软件规范。长此以往,渐渐地代码质量越来越差,新同事上手代码越来越困难,但是这些都能忍受。
因为人写代码的效率太低了,这些代价需要很久缓慢地才能感受到,整个过程好比温水煮青蛙。
但是有了 AI 编程之后,如果还是像之前一样,随心所欲、为所欲为地开发软件,代价是非常巨大的。AI 写代码是很快的,一天时间就能生产成千上万行代码,把原来的代码改得面目全非,不遵守规范的代价是巨大的。
反过来说,如果让 AI 依照这些规范编程,AI 可以准确快速地写代码,比人的效率高很多倍,收益巨大。
4 文档、依赖与架构:把上下文给足
下面,我挑几个关键环节,说一下具体如何使用 AI。我会从文档讲到外部依赖和仓库约定,再到架构与模块划分,都是在解决「AI 眼里,这个项目到底长什么样」。
文档:Spec Coding 和 Vibe Coding
首先要讲的是文档,其实就是 Spec Coding 和 Vibe Coding 的区别。为什么企业要使用 Spec Coding 的方式编程呢?因为纯 Vibe Coding 很难保证代码的质量。在 Vibe Coding 时,往往是给 AI 说一句话或者几句话需求,让它实现某个功能。
这种需求是非常模糊的,比如告诉 AI,「给我做一个淘宝」或者「给我做一个微信」,这种一句话需求,AI 不可能生成满意的代码。
和 AI 沟通,其实在一定程度上就和人沟通一样。我们在和其他人沟通的时候,脑子里想法很多,但是说的并不全面,其他人可能并不能完全理解。也可能是自己想得不够清楚,无法用语言清晰地表达。
要给 AI 清晰地表达出自己的需求,要先写一个…